0、准备

Redis相关概览：

以简历上所列的项目为切入点，展开Redis相关的问题：

1、缓存穿透：不存在的key

Client ⇒ Redis ⇒ MySQL，缓存穿透，即中间的Redis形同虚设，请求每次过来都查库。一般是网站被攻击时，疯狂造不存在数据，然后发起请求，冲击数据库，消耗数据库连接池资源，直到服务不可用。

解决方案一：缓存空数据

查到的结果为空也写进Redis。实现简单但消耗内存，可能会发生不一致的问题（即库里有数据了，但缓存里依旧是null，导致查不到最新数据）

解决方案二：布隆过滤器

缓存预热的时候，往布隆过滤器中添加数据。后面请求过来时，先经过布隆过滤器，判断ID不存在的话，直接返回，都走不到Redis。

如此，内存占用少，但实现复杂，且存在误判（即有的ID不存在，但布隆过滤器会判断为存在）

bitmap（位图）：一个bit数组，每个单元非0即1。预热ID的时候，用多个hash函数获取该ID的hash值，并把bitmap对应位置改为1。后面查数据是否存在时，就用相同的hash函数获取hash值，查看对应的位置是否都为1。由此，布隆过滤器实现了检索一个元素是否在一个集合中。

如上，id1和id2点亮了1、3、7和9、12、15的位置为1，id3虽然不存在，但其hash值所在位置都为1，判定为是存在的ID，即误判。数组越大，误判率越低。

2、缓存击穿：热点key过期

给一个热点key设置了过期时间，当这个key过期的时候，恰好有大量请求查这个key，这些请求自然都走到了数据库，可能导致DB服务不可用。如下图，比如查询一次MySQL再写到Redis需要50ms，热点数据过期后，这50ms内的大量请求都会冲到数据库

解决方案一：添加互斥锁

缓存未命中，查库前，获取一个互斥锁，获取不到则一直重试，如此，后面的线程走不到查库这一步，直到线程1完成查库+写入Redis，其余线程就会命中缓存。如此，保护了数据库服务且保证了数据强一致性，但性能不好

解决方案二：逻辑过期

Redis层面，不设置过期时间，但业务层面加一个过期时间，如

key	value
001	{“id”:“123”,“title”:“标题1”,"expire":1716368322}

即明天16:58的时候，这条数据逻辑过期，但你在Redis中还能查到，不过是查到了过期数据，不是最新的。具体流程：

线程1过来查缓存，发现当前时间超过了缓存的逻辑过期时间，于是线程1获取一个互斥锁，再开启一个线程2去查库 + 更新缓存，自己则先把过期数据返回。此过程中，即使有线程3进来，并发现了已超过逻辑过期时间，它也不会重复去查库重建缓存，因为它获取不到互斥锁，此时线程3会先返回过期数据。 因此，这种方式性能好，但数据一致性不保证。

3、缓存雪崩：大批key同时过期

同一时间段，大量缓存的key过期，或者Redis服务宕机，导致大量请求冲到数据库

解决思路是：给不同的key添加随机的TTL（过期时间），如此，大量的key不会同时过期。至于Redis宕机，则可以用Redis哨兵模式或者集群模式、给业务添加多级缓存等方式解决。

最后，降级限流，可用于解决缓存穿透、击穿、雪崩的解决。即服务请求失败次数到一定阈值，直接走降级策略（比如不查库，直接返回空）

//Tips:

穿透无中生有key，布隆过滤null隔离

缓存击穿过期key，锁与非期解难题

雪崩大量过期key，过期时间要随机

面试必考三兄弟，可用限流来保底

4、双写一致性

相关问题：MySQL和Redis的数据如何进行同步。两种追求：

• 一致性高
• 允许一定的一致延迟

4.1 要求高一致性

读操作：命中直接返回。未命中缓存则 查库 + 写入缓存

写操作：数据库更新时，进行延时双删

有数据库的写操作时，为了数据一致性，如果不双删，只删一次缓存 + 改库，则实现方式可以是：

• 先删缓存，再改库
• 先改库，再删缓存

1）若先删缓存，再改库：

理想状态为：线程1删缓存，再更新数据库，后面请求过来（对应线程2），先查缓存，未命中，去查库 + 写入缓存，一切正常

再看非理想状况：线程1删除缓存后挂起，此时缓存为null，库中为10。然后新的请求进来（对应线程2），CPU切到线程2执行，查缓存未命中，线程2去查库 + 写入缓存，线程2执行结束，此时缓存为10，库中为10。最后线程1解除挂起，继续执行，线程1去更新了数据库，此时缓存为10，库中为20 ，数据不一致！

总之，高并发下，线程交替执行，这样实现会出现数据不一致问题。

2）若先改库，再删缓存

理想状态为：线程2更新数据库，再删缓存，此时缓存为null，库中为20。后面请求过来（对应线程1），先查缓存，未命中，去查库 + 写入缓存，一切正常

非理想状态下：比如一开始缓存过期，即缓存中为null，库中为10，线程1进来未命中缓存，查库得到10，然后挂起。请求2进来（对应线程2），其进行了update，改库，并删缓存，此时，库中为20，缓存中为null。线程2执行结束，线程1解除挂起继续执行，将查到的数据，写入缓存。此时缓存中为10，库中为20，数据不一致。

因此，不管先删缓存还是先改库，都可能出现数据不一致

==> 延时双删：先删缓存，数据库更新完后，再删一次缓存。至于为什么要延时后第二次删，是因为如果数据库是主从模式，读写分离，那就需要等主节点把数据同步到从节点。但这个延时的大小不好控制，还是可能出现脏数据。想强一致，可用分布式锁。

一个线程在更新数据前，加锁，update库 + 删缓存后，释放锁。期间，其余线程不能读写。以上可优化为：读数据的时候，添加共享锁，读读共享，读写互斥。写数据的时候，加排他锁，阻塞其他线程的读和写。如此，实现数据强一致性，但性能低。

4.2 允许一定的一致延迟

异步通知，保证数据的最终一致性。业务服务更新库后，发消息到MQ，缓存服务监听MQ，去更新缓存

以上实现对业务代码有一定的侵入性，需要添加发消息的代码。可把MQ替换为Canal：

阿里的Canal基于MySQL的主从同步实现。数据库一旦发生改变，二进制的binlog记录DDL语句和DML语句，Canal伪装成MySQL的一个从节点，监听读取MySQL的binlog去更新缓存。此方式不用改业务代码，无侵入性。

最后，如果不要求实时性和强一致性，如热点文章数据，可用异步方案同步数据。如果要求数据强一致性，如抢券的库存，则采用redisson提供的读写锁保证数据同步。

5、面试